An Efficient, Parallelized Algorithm for Optimal Conditional Entropy-Based Feature Selection

In Machine Learning, feature selection is an important step in classifier design. It consists of finding a subset of features that is optimum for a given cost function. One possibility to solve feature selection is to organize all possible feature subsets into a Boolean lattice and to exploit the fa...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Entropy (Basel, Switzerland) Ročník 22; číslo 4; s. 492
Hlavní autoři:	Estrela, Gustavo, Gubitoso, Marco Dimas, Ferreira, Carlos Eduardo, Barrera, Junior, Reis, Marcelo S.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Basel MDPI AG 24.04.2020 MDPI
Témata:	Algorithms Boolean Boolean algebra classifier design Cost function Experiments feature selection Genetic algorithms Graph representations Hypotheses information theory Lattices Machine learning mean conditional entropy Optimization Parallel processing Random variables Searching supervised learning
ISSN:	1099-4300, 1099-4300
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!